一次小的总结

Demo v1
我们第一次使用的模型是一个keras的Sequential 模型，简单来说就是将一些网络层堆积起来，已达到一个比较好的训练和识别效果。

具体看参照这一篇博客https://blog.csdn.net/c2c2c2aa/article/details/81543549
总体来说第一次的模型还是非常简单的，只是叠加了几个卷积，池化层，最后再Flatten一下，把模型压成10个类别，最终进行预测
Demo v2
第二次主要添加动态识别，网络则主要参照cnn中的alexnet进行编写，但是本质其实是一样的，依旧还是各个网络层的叠加组合，

具体参照这一篇博客https://blog.csdn.net/c2c2c2aa/article/details/84072921

可以看到静态识别率已经比较高，但是对于动态识别依旧比较无力。

再往后应该还会在进行模型升级，对于流处理也要进一步优化，以及数据的预处理。
不过估计要等到这几门考试完。